一、全局排序(Order By)
Order By:全局排序,只有一个 Reducer
1)使用 Order By 子句排序
ASC(ascend):升序(默认)
DESC(descend):降序
2)order by 子句在 select 语句的结尾
3)例子
查询员工信息按工资升序排列
select * from emp order by sal;
查询员工信息按工资降序排列
select * from emp order by sal desc;
按照别名排序
按照员工薪水的2倍排序
select ename, sal*2 twosal from emp order by twosal;
多个列排序
select ename, deptno, sal from emp order by deptno, sal;
二、每个Reduce内部排序(Sort By)
- 对于大规模的数据集 order by 的效率非常低。在很多情况下,并不需要全局排序,此时可以使用 sort by
- Sort by 为每个 reducer 产生一个排序文件。每个 Reducer 内部进行排序,对全局结果集来说不是排序。
1、设置reduce个数
set mapreduce.job.reduces=3;
2、查看设置reduce个数
set mapreduce.job.reduces;
3、根据部门编号降序查看员工信息
select * from emp sort by deptno desc;
4、将查询结果导入到文件中(按照部门编号降序排序)
insert overwrite local directory '/opt/module/hive/datas/sortby-result'
select * from emp sort by deptno desc;
三、分区(Distribute By)
有些情况下,我们需要控制某个特定行应该到哪个reducer,通常是为了进行后续的聚集操作。distribute by 子句可以做这件事。distribute by 类似 MR 中 partition(自定义分区),进行分区,结合sort by使用。
对于distribute by进行测试,一定要分配多 reduce 进行处理,否则无法看到distribute by的效果。
案例:
先按照部门编号分区,再按照员工编号降序排序
set mapreduce.job.reduces=3;
insert overwrite local directory '/opt/module/hive/datas/distribute-result' select * from emp distribute by deptno sort by empno desc;
- distribute by 的分区规则是根据分区字段的 hash 码与 reduce 的个数进行模除后,余数相同的分到一个区
- Hive 要求 distribute by 语句要写在 sort by 语句之前
四、Cluster By
- 当distribute by和sort by字段相同时,可以使用cluster by方式。
- cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是升序排序,不能指定排序规则为ASC或者DESC。
以下两种写法等价
select * from emp cluster by deptno;
select * from emp distribute by deptno sort by deptno;
注意:按照部门编号分区,不一定就是固定死的数值,可以是20号和30号部门分到一个分区里面去